在无线传感器网络中基于时序压缩感知的数据收集方法技术

本发明专利技术提供在无线传感器网络中基于时序压缩感知的数据收集方法，包括步骤：步骤1，数据稀疏度检测：按照时序压缩感知的过程，网络中的每个传感器节点重复发送自身数据的加权到汇聚节点，直至汇聚节点根据得到的数据特征进行计算检测出数据的稀疏度为止；步骤2，网络数据传输：通过第一步的检测结果确定需要的测量数后，汇聚节点网络中的每个节点进行数据收集；步骤3，测量数的动态调整：汇聚节点在信号恢复的同时检测此时网络数据的性质是否发生变化进行相应地调整。本发明专利技术不仅能够在稀疏度未知的情况下成功恢复信号，甚至能够根据实际数据稀疏度的变化自适应地调整需要收集的信号测量的数目。

【技术实现步骤摘要】

本专利技术涉及的是无线通信
的方法，尤其是是利用时序压缩感知理论来提 高无线传感器网络的数据收集效率的方法，具体涉及在无线传感器网络中基于时序压缩感 知的数据收集方法。
技术介绍
压缩感知，又称为压缩采样，它可W通过开发信号的稀疏特性，在远小于Nyquist 采样率的条件下，用随机采样获取信号的离散样本，然后通过非线性重建算法完美的重建 信号。该一研究结果突破了采样定理的限制，可W被应用于和信息处理相关的诸多领域。由 于无线传感器网络中的数据具有稀疏特性，因此具备了利用压缩感知理论的可能性。有很 多学者已经尝试利用压缩感知来减小无线传感器网络数据收集时的通信成本，并取得了一 定的成功。 为了方便说明，下面先定义压缩感知理论相关的两个重要概念： 稀疏度：如果信号X可W在另一个数域上只用K个向量来线性表示（K远小于信号 的长度)，那么该个信号的稀疏度就是K。 测量数：根据压缩感知理论，当信号具有稀疏性质时，可W只通过信号的M个线性 测量来高精度恢复信号（M远小于信号的长度)，该里M就称为测量数。 反观之前的该些工作，主要存在如下两个方面的问题；第一，现有的研究都建立在 数据的稀疏度已知的条件下，而在实际情况下该一点往往是不切实际的；第二，在数据的稀 疏度处于变化状态的情况，现有的利用压缩感知的方法效果不是很好；测量数过高会造成 通信成本的浪费，而测量数过少又无法精确地恢复数据。
技术实现思路
针对现有技术中的缺陷，本专利技术的目的是提供一种在无线传感器网络中基于时序 压缩感知的数据收集方法。 根据本专利技术提供的，包括 步骤： 步骤1，数据稀疏度检测；按照时序压缩感知的过程，网络中的每个传感器节点重 复发送自身数据的加权到汇聚节点，直至汇聚节点根据得到的数据特征进行计算检测出数 据的稀疏度为止； 步骤2,网络数据传输：通过第一步的检测结果确定需要的测量数后，汇聚节点网 络中的每个节点进行数据收集； 步骤3,测量数的动态调整；汇聚节点在信号恢复的同时检测此时网络数据的性 质是否发生变化；如果检测到数据的稀疏度已经发生变化，汇聚节点则根据变化趋势对测 量数进行相应地调整。 优选地，所述步骤1包括如下步骤：，令测量数记录r等于1，初 始高斯随机观测矩阵为。1，其中n为网路中节点的总个数； 步骤1. 2 ;汇聚节点接收第一次的线性测量yi=〇ix，并利用0MP算法解出原始信号 X的估计xi;其中，〇1表示第一次的观测矩阵，yi表示第一次的线性测量值； 循环执行W下步骤： 步骤1. 3 ;利用高斯随机方法生成一组新的数列^3，加入观测矩阵中，更新测量数， 记录为更新后的M*等于更新前的M*加1，新的观测矩阵〇 步骤1. 4 ;汇聚节点接收第r次的线性测量严并解出新的原始信号X的估 计xM%其中，表示第r次的线形测量值，表示第次的观测矩阵；[001引步骤1. 5巧xMt=x?"i，则输出检测结果Me等于并跳出循环，否则返回步骤1. 3 ; 其中，xMt-i表示前r-1次的原始信号X的估计，Me为检测得到的数据稀疏度。 优选地，在所述步骤2中，汇聚节点网络中的每个节点进行数据收集的具体方法 为： 当需要的测量数Me和观测矩闻【主权项】1. 一种，其特征在于，包括如 下步骤： 步骤1，数据稀疏度检测：按照时序压缩感知的过程，网络中的每个传感器节点重复发 送自身数据的加权到汇聚节点，直至汇聚节点根据得到的数据特征进行计算检测出数据的 稀疏度为止； 步骤2,网络数据传输：通过第一步的检测结果确定需要的测量数后，汇聚节点网络中 的每个节点进行数据收集； 步骤3,测量数的动态调整：汇聚节点在信号恢复的同时检测此时网络数据的性质是 否发生变化；如果检测到数据的稀疏度已经发生变化，汇聚节点则根据变化趋势对测量数 进行相应地调整。2. 根据权利要求1所述的，其 特征在于，所述步骤1包括如下步骤： 步骤I. 1 :初始化，对于输入的原始信号X，令测量数记录矿等于1，高斯随机矩阵Φ等 于Φ1 ; 步骤1. 2 :汇聚节点接收线性测量Y1=O1x,并利用OMP算法解出原始信号X的估计X1 ; 其中，Φ1表示第一次的观测矩阵，y1表示第一次的线性测量值； 循环执行以下步骤： 步骤1. 3 :利用高斯随机方法生成一组数列，加入观测矩阵中，更新测量数记录为更新 后的矿等于更新前的矿加1，新的观测矩阵φ ;_μπ; 步骤1. 4 :汇聚节点接收线性测量，=ΦΜ#χ，并解出新的原始信号X的估计，；其中， yM#表示第矿次的线形测量值，ΦΜ#表示第Μ*次的观测矩阵； 步骤1. 5 :若，=Xn，则输出检测结果Mk等于Μ?并跳出循环，否则返回步骤1. 3 ;其中， X*"1表示前矿-1次的原始信号X的估计，Mk为检测得到的数据稀疏度。3. 根据权利要求2所述的，其 特征在于，在所述步骤2中，汇聚节点网络中的毎个节.占讲行数据收集的具体方法为： 当需要的测量数Mk和观测矩阵给定后，对于线性测量的 第M个值，每个节点i在传输时，该节点把所有接收到的值相加，然后再加上Xi 作为新 的值传出给该节点的下一跳节点，其中，Mk为检测得到的数据稀疏度，η为节点数目，Xi为节 点i的实际测量值，为观测矩阵第M行，第i列的值。4. 根据权利要求1所述的，其 特征在于，所述步骤3包括如下步骤： 步骤3. 1 :初始化，令当前时刻T等于1，需要测量数Mt等于检测结果Mk ; 循环执行以下步骤直至传输完成： 步骤3. 2 :汇聚节点分别接收线性测量y^1和yMK，并利用OMP算法解出Xm^ 1和Xmk ;其 中，yMH表示第Mk-I次的线性测量，yMK表示第Mk次的线性测量，X m^1表示第Mk-I次的原始 信号X的估计，Xmk表示第M k次的原始信号X的估计； 步骤3. 3 :若Xm^1=Xmk，则令恢复信号f等于Xmk，令T增加I，令M k减少2,返回步骤3. 2 ; 否则继续执行如下步骤； 步骤3. 4 :汇聚节点接收严1并解出严、其中，严+1表示第Μκ+1次的线性测量，严 1 表示第Μκ+1次的原始信号X的估计，若Xme=Xme+1,则令X*等于X me，令T增加1，返回步骤3. 2， 其中，表示最终的恢复信号；否则继续执行如下步骤： 步骤3. 5 :汇聚节点持续接收线性测量并求解，直至测量数为M时，XM=X M+1成立，Xm表示 第M次的原始信号X的估计，xM+1表示第M+1次的原始信号X的估计；此时，令f等于xM，令 T增加1，令M t等于M，返回步骤3. 2,其中，Mt表示下一次的需要测量数。5. 根据权利要求1所述的，其 特征在于，在所述步骤1中，网络中的每个传感器节点产生数据，并通过指定的路由将所有 节点的数据加权和传输到汇聚节点，进行信号恢复；反复执行所述信号恢复，直至汇聚节点 前后两次信号恢复结果相同，将此时的测量数作为基准值，记为Μ κ。6. 根据权利要求5所述的，其 特征在于，在所述步骤2中，汇聚节点将得到的M k以广播的方式告知网络中的所有节点，并 要求网络以Mk作为测量数进行压缩感知的数据收集过程。7. 根据权利要求6所述的，其 特征在于，在所述步骤3中，数据收集完成后，汇聚节点进行信号恢复同时本文档来自技高网...

【技术保护点】
一种在无线传感器网络中基于时序压缩感知的数据收集方法，其特征在于，包括如下步骤： 步骤1，数据稀疏度检测：按照时序压缩感知的过程，网络中的每个传感器节点重复发送自身数据的加权到汇聚节点，直至汇聚节点根据得到的数据特征进行计算检测出数据的稀疏度为止； 步骤2，网络数据传输：通过第一步的检测结果确定需要的测量数后，汇聚节点网络中的每个节点进行数据收集； 步骤3，测量数的动态调整：汇聚节点在信号恢复的同时检测此时网络数据的性质是否发生变化；如果检测到数据的稀疏度已经发生变化，汇聚节点则根据变化趋势对测量数进行相应地调整。

【技术特征摘要】

【专利技术属性】
技术研发人员：施琦，骆喆，王新兵，田军，
申请(专利权)人：上海交通大学，富士通株式会社，
类型：发明
国别省市：上海;31